時系列データ解析とノイズ除去のポイントおよび機械学習を用いた予測・異常検知への応用 ~デモ付~ <オンラインセミナー>
~ 回帰モデル、状態空間モデルによる予測とノイズ除去への応用、ディープラーニングによる予測・異常検知の応用 ~
・「状態空間モデル」や「機械学習モデル」を用いることで、回帰モデルでは扱えきれない高度な時系列データ解析に活かすための講座!
・回帰モデルの基礎から状態空間モデルやニューラルネットワークを用いた時系列解析技術までを修得し、ノイズ除去や予測、異常検知に活かそう!
・デモで紹介するPythonのファイルを差し上げます
オンラインセミナーの詳細はこちら:
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
講師の言葉
時系列とは時間の流れとともに観測されるデータのことであり、時系列のもつ系列相関をモデル化して、将来を予測することが時系列解析の目的となります。
本セミナーでは、古典的な状態空間モデルから現代的な機械学習による予測法まですすめます。前者は状態空間モデルによるノイズ除去への応用を解説し、後者はニューラルネットワークによる予測および異常検知の方法を扱います。
セミナー詳細
開催日時 |
- 2025年01月30日(木) 10:30 ~ 17:30
|
開催場所 |
オンラインセミナー |
カテゴリー |
オンラインセミナー、ソフト・データ・画像・デザイン |
受講対象者 |
・設備保全、生産技術、制御、金融・マーケティング、制御、生体、音解析、他
・状態空間モデルを中心とした時系列データ解析の基礎から修得したい方 |
予備知識 |
・大学初年度の数学知識、微分、線形代数、確率/統計(正規分布、二項分布、ポアソン分布など) |
修得知識 |
・状態空間モデルの基礎から機械学習による現代的なアプローチまで概観できる
・PyTorchによるニューラルネットワークモデル予測の実際を知ることができる |
プログラム |
1.状態空間モデルとノイズ除去への応用
(1).回帰モデル:定常時系列モデルと非定常時系列モデル
a.回帰モデル
b.AR(自己回帰)モデル
c.MA(移動平均)モデル
d.ARMA(自己回帰移動平均)モデル
e.ARIMA
(2).状態空間モデル入門
a.ローカルレベルモデル
b.トレンド・季節性をもつ時系列
c.カルマンフィルタ
(3).状態空間モデルによる予測とノイズ除去への応用
a.最尤法によるパラメータ推定
b.予測
c.ノイズ除去
d.Pythonによる実装(デモによるチュートリアル)
2.ディープラーニングによる時系列モデリングと予測・検知への応用
(1).ニューラルネットワークモデリング入門
a.回帰分析
b.多クラス分類
c.学習(最適化、ミニバッチ学習)
d.評価(学習データとテストデータ)
(2).ニューラルネットワークによる予測
a.RNN(再帰型ニューラルネットワーク)モデル
b.LSTM(長期短期記憶)モデル
c.PyTorchによる実装(デモによるチュートリアル)
(3).ニューラルネットワークによる異常検知への応用
a.時系列予測と異常検知問題
b.マハラノビスの距離
c.異常値判定するための閾値決定
d.PyTorchによる実装(デモによるチュートリアル)
|
キーワード |
時系列分析 状態空間モデル ニューラルネットワーク ディープラーニング RNN LSTM PyTorch |
タグ |
AI・機械学習、統計・データ |
受講料 |
一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
|
会場 |
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
|
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。